gpu加速

15、 深入解析并行处理技术及其应用

2并行处理的基础概念并行处理是指通过同时执行多个任务来加速计算过程的技术。它可以通过硬件（如多核处理器）或软件（如多线程编程）实现。并
AWS云计算·2025-06-13 20:48

OpenCV 4.2.0 && Qt5.14.1 编译好的库：加速计算机视觉开发

OpenCV4.2.0&&Qt5.14.1编译好的库：加速计算机视觉开发【下载地址】OpenCV4.2.0Qt5.14.1编译好的库这是一个专为Windows平台开发者设计的资源库，提供了OpenCV4.2.0
沈娜霞Morton·2025-06-13 19:41

1分钟让你看懂GPU参数指标

今天，我们以英伟达A800GPU卡为蓝本，深入浅出地探讨其五大核心性能指标。我们的目标是通过这次分享，让大家不仅能够迅速掌握每个参数的具体作用，还能理解它们之间的相互关联。
HPC_fac13052067816·2025-06-13 17:26

跨境电商的数据桥梁：API接口的无缝对接与数据同步

随着全球化的加速发展和互联网技术的不断进步，跨境电商行业迎来了前所未有的发展机遇。然而，跨境电商的复杂性要求高效的数据传输和集成，以确保无缝的用户体验、高效的运营管理和精准的市场决策。
FB13713612741·2025-06-13 17:56

大模型多显卡多服务器并行计算方法与实践指南

二、硬件环境准备1.多机多卡环境配置组件要求建议配置GPU支持CUDANVIDIAA100/H100网络高速互联Inf
非著名架构师·2025-06-13 13:27

边缘计算三：从 CDN 到边缘 —— 你的 JS 已经部署在世界尽头

这不只是简单的加速，而是：逻辑、数据、渲染，都可以在离用户最近的地方完成。今天我们聊聊：什么是Edge？为什么不是传统CDN？JS是怎么在边缘节点上执行的？前端开发者能做什么？又该注意什么？
·2025-06-13 13:27

【vLLM 学习】Data Parallel

vLLM是一款专为大语言模型推理加速而设计的框架，实现了KV缓存内存几乎零浪费，解决了内存管理瓶颈问题。
·2025-06-13 12:26

为AI加速，九章云极智能计算科技论坛暨Alaya NeW Cloud发布在即！

AI正以前所未有的速度重塑世界。在这场深刻的变革中，强大的智能算力是驱动一切创新的核心引擎。作为一家专注AI技术创新和数据智能应用的公司，九章云极(DataCanvas)也一直在思考：怎样才能让AI的这个“核心引擎”跳动得更强劲、更高效，让大家那些天马行空的创意，都能更容易地变成现实。为此，我们将在6月16日为大家举办「九章云极智能计算科技论坛暨AlayaNeWCloud线上发布会」，本次盛会，您
CSDN资讯·2025-06-13 11:45

规避VMware虚拟机检测

尾行追加monitor_control.restrict_backdoor="TRUE"disable_acceleration="TRUE"开启VMware，虚拟机-设置-处理器，选上禁用二进制翻译加速其他
春马与夏·2025-06-13 10:43

window 显示驱动开发-创建压缩缓冲区和解码渲染器目标（一）

每种压缩缓冲区类型都有自己的图面格式以及一个特殊标志，指示运行时创建的图面包含用于加速视频解码的压缩缓冲区信息。
程序员王马·2025-06-13 10:42

数据中台建设中的常见陷阱与避坑指南

数据中台建设中的常见陷阱与避坑指南关键词：数据中台、陷阱识别、避坑策略、数据治理、组织协同、技术架构、业务价值摘要：数据中台作为企业数字化转型的核心基础设施，近年来在各行业加速落地。
AI天才研究院·2025-06-13 10:36

Hummingbird库：将机器学习模型转换为深度学习模型

引言随着深度学习在各个领域的广泛应用，研究人员和工程师开始探索如何将传统的机器学习模型（如决策树、随机森林等）转换为可以在GPU上高效运行的神经网络模型。
萧鼎·2025-06-13 10:34

c cuda 指定gpu_faiss-gpu近邻检索

环境准备：双路CPU工作站128G内存英伟达1080Ti显卡两块faiss源码包centos7.2+python2.7+anaconda2（环境变量与openblas安装同GPU版）centos7.2+
宁静致远敏·2025-06-13 09:00

《CUDA并行程序设计-GPU编程指南》读书笔记--(2)CUDA内存处理

CPU与GPU架构的一个主要区别就是CPU与GPU映射寄存器的方式。CPU通过使用寄存器重命名和栈来执行多线程。
SigalHu·2025-06-13 09:29

faiss上的GPU流程，GPU与CPU之间的联系

GPU使用流程1、初始化阶段1.1：初始化GPU资源对象目的：为GPU上的操作分配和管理资源，例如临时内存和CUDA流。
·2025-06-13 08:22

视觉模型部署实践：低算力平台RV1106上高效部署paddlepaddle 的PicoDet目标检测模型的技术实践

本文以Rockchip的RV1106嵌入式平台为例，结合百度开源的轻量级检测模型PicoDet，探讨如何通过模型优化与硬件加速，在有限的计算资源下实现高效的实时目标检测。
位东风·2025-06-13 05:59

英伟达的未来不止 GPU，黄仁勋指向了一个新“Q”

他认为量子计算正迎来一个“拐点”，英伟达已推出CUDA-Q平台，旨在促进量子与经典计算的结合，并预测未来所有超级计算机都将集成量子处理单元（QPU）与图形处理单元（GPU）。
Qforepost·2025-06-13 03:19

量子加速器切入 AI 底层架构！能源焦虑时代，ORCA 正在改写数据中心的计算逻辑

内容来源：量子前哨（ID：Qforepost）文丨浪味仙排版丨浪味仙行业动向：2000字丨5分钟阅读人工智能的飞速发展，令计算需求呈现爆炸式增长，也催生出专为AI设计的新型计算基础设施形态——AI工厂（AIFactories）：这些为特定用途而设计的环境，旨在支持越来越复杂的模型和庞大的工作负载，成为推动AI创新的核心引擎。然而，这一趋势也面临着诸多严峻挑战：能源消耗急剧攀升，运营成本不断增加，经
Qforepost·2025-06-13 03:18

docker拉取镜像出现Error response from daemon: Get “https://index.docker.io/v1/search?q=xxxxxx 解决思路

docker自从对国内限制以后,每次的镜像问题就要调试很久,这次从新在windows中使用wsl装了一个服务器环境常见的就是配置加速镜像镜像思路其中我的镜像源配置{"max-concurrent-downloads
蓝胖子不是胖子·2025-06-13 02:42

PyTorch：让深度学习像搭积木一样简单有趣！

像堆积木一样建模型四、训练三板斧：优化器/损失函数/数据加载1.数据管道（Dataset+DataLoader）2.损失函数选择指南3.优化器对比五、完整训练流程实战（MNIST手写数字识别）六、避坑指南&性能加速技巧常见坑点
pythonpapaxia·2025-06-13 00:56

IAR开发平台升级Arm和RISC-V开发工具链，加速现代嵌入式系统开发

全球领先的嵌入式软件解决方案供应商IAR正式发布其旗舰产品的重大更新版本：Arm开发工具链v9.70和RISC-V开发工具链v3.40，大幅提升了IAR开发平台在性能、安全性和自动化方面的能力，助力汽车、工业、医疗和物联网等行业中的敏捷、可扩展嵌入式应用。为应对嵌入式系统日益增长的复杂性，全新的IAR开发工具链支持云端许可、CI/CD管道集成和多种架构的开发。随着Arm和RISC-V持续推动技术演
电子科技圈·2025-06-12 22:37

深度学习基础知识总结

1.BatchNorm2d加速收敛：BatchNormalization可以使每层的输入保持较稳定的分布（接近标准正态分布），减少梯度更新时的震荡问题，从而加快模型训练速度。
·2025-06-12 21:58

边缘AI广泛应用推动并行计算崛起及创新GPU渗透率快速提升

作者：ImaginationTechnologies的产品管理副总裁DennisLaudick人工智能（AI）在边缘计算领域正经历着突飞猛进的高速发展，根据IDC的最新数据，全球边缘计算支出将从2024年的2280亿美元快速增长到2028年的3780亿美元*。这种需求的增长速度，以及在智能制造、智慧城市等数十个行业中越来越多的应用场景中出现的渗透率快速提升，也为执行计算任务的硬件设计以及面对多样化
电子科技圈·2025-06-12 20:25

【代码分析】TensorRT sampleINT8 详解

目录前言代码分析Main入口构建(Build)网络BatchStream推理(Infer)过程资源释放前言TensorRT可以通过INT8量化处理网络，然后大幅加速网络推理速度，本文旨在详细分析MNISTINT8Sample
HaoBBNuanMM·2025-06-12 20:24

华强戴尔服务器维修,戴尔面向OEM用户推出基于PowerEdge XR2 的 OEM就绪解决方案

特别是在5G时代,传统的数据中心将向边缘侧延伸,加速ICT融合落地。IDC数据显示,在未来几年,将有超过50%的数据在边缘侧就近存储、分析、处理,这将推动边缘服务器市场的快速持续增长。
浅月与猫·2025-06-12 20:21

DeepSeek满血版本地部署指南

一、硬件与操作系统准备1.硬件要求GPU（关键）：最低要求：NVIDIA显卡（RTX3090/4090，显存≥24GB）可运行非量化版。经济方案：RTX306012GB+4-bit量化模型。
三三十二·2025-06-12 18:42

使用 Ollama + FastAPI 打造轻量级 AI 应用部署方案

1.3协同优势二、核心实现：五步构建AI服务2.1环境准备（5分钟）2.2创建FastAPI基础框架2.3集成Ollama推理引擎2.4添加健康检查与监控2.5启动服务与测试三、性能优化实战指南3.1推理加速技巧
傻啦嘿哟·2025-06-12 18:41

WebGPU渲染引擎架构深度解析：从GPU硬件抽象到高效渲染

一、WebGPU的设计哲学：面向现代GPU的底层抽象WebGPU的核心目标是成为一个“薄而宽”的抽象层：“薄”(LowOverhead)：最小化驱动翻译：与WebGL(基于OpenGLES)不同，WebGPU
·2025-06-12 18:06

海思昇腾/达芬奇架构在 Android 系统中的异构部署：NPU × CPU × GPU 联合调度与模型落地实践全流程解析

海思昇腾/达芬奇架构在Android系统中的异构部署：NPU×CPU×GPU联合调度与模型落地实践全流程解析关键词海思昇腾、达芬奇架构、AndroidNPU部署、NNIE、ACL、异构计算、张量融合、CANN
观熵·2025-06-12 18:05

树莓派 5 AI 套件（Hailo-8L）使用教程

3.3.1目标检测3.3.2图像分割3.3.3姿势估计四、更多资源五、产品简介前言TheRaspberryPiAIKitRaspberryPiAI套件将RaspberryPiM.2HAT+与HailoAI加速模块捆绑在一起
kuan_li_lyg·2025-06-12 15:17

【AI】模型vs算法（以自动驾驶为例）

以自动驾驶为例，模型vs算法的实际分工1.感知环节：“看懂”周围环境（如识别行人、车道线、车辆）2.预测环节：“预判”其他交通参与者的行为（如行人下一步怎么走）3.决策环节：“规划”车辆的行驶路径（如是否变道、加速
LoisDailyAI·2025-06-12 15:17

Hive的索引使用如何优化？

索引的核心价值在于：减少IO开销：避免全表扫描，精准定位数据块加速查询响应：对频繁过滤/排序字段建立索引可提升10-100倍查询速度优化资源分配：减少MapReduce任务数据处理量二、Hive索引类型详解
安审若无·2025-06-12 13:38

OpenCV CUDA模块图像变形------对图像进行上采样操作函数pyrUp()

操作系统：ubuntu22.04OpenCV版本：OpenCV4.9IDE:VisualStudioCode编程语言：C++11算法描述函数用于对图像进行上采样操作（升采样），是GPU加速版本的高斯金字塔向上采样
村北头的码农·2025-06-12 13:34

Akamai云上AI推理：赋能开发者加速边缘原生应用

人工智能（AI）的热度持续攀升，行业的焦点正从单纯的模型训练转向如何高效部署模型以实现实际应用——这正是AI推理技术的核心价值所在，即利用训练完成的AI模型生成预测与洞察。Akamai始终致力于构建未来的蓝图：不仅让AI推理更易于获取，还要确保其具备高性能、可扩展性和成本效益，并能够在全球范围内进行边缘部署。随着Akamai云推理服务（AkamaiCloudInference）的推出，我们向"打造
Akamai中国·2025-06-12 11:21

小程序动画性能提升指南：CSS硬件加速与JavaScript动画框架对比

本文将从底层原理出发，深度对比CSS硬件加速动画与JavaScript动画框架的优劣，并提供针对不同场景的性能优化方案。
·2025-06-12 09:09

python做题日记（13）

也可以利用移位运算，在之前这种想法的基础上加速减法的速度，通过移位操作就相当于每一次减去2的幂次个除数，再将这个数加到最后的结果当中。处理符号：先确定结果正负。取绝对值：将被除数和除数都转为正数（
Key1Nlife·2025-06-12 09:04

OC 城市行・广州站报名火热开启！云原生与 AI 驱动的技术盛宴等你解锁

在数字化转型浪潮中，云原生与AI技术正加速融合并重塑产业格局，成为驱动各行业变革的核心引擎。这一融合不仅重塑了企业的技术架构，也为操作系统领域带来全新的机遇与挑战。
CSDN资讯·2025-06-12 09:04

【目标检测基础】YOLOv1算法详解：从“一次看全”到实时检测的革命性突破

实时性突破：在GPU上达到45FPS（FasterR-CNN仅为7FPS），首次让实时视频分析成为可能。端到端思维：直接输入图像输出检测
出不了新手村·2025-06-12 09:32

从单卡到多卡(DDP使用方式，附代码)(一)

分布式训练是一种常见的多卡加速训练的一种策略，一般来说有两种方式可选择：DataParallel(DP)和DistributedDataParallel(DDP)。本文介绍的是最常使用的DDP。
myccver·2025-06-12 08:55

GPU显存占用率过低的解决方案

在训练模型时，有时会出现GPU利用率很低的情况。有可能是CPU读取数据的速度跟不上模型训练的速度，导致GPU处于等待的状态。
myccver·2025-06-12 08:24

DAY02：Vue组件化开发深度解析：从原理到实战应用

在大型项目中，通过将系统拆解为独立组件，可以实现：并行开发加速：不同团队可同时开发不同组件，通过明确定义的接口进行协作。
听闻风很好吃·2025-06-12 08:24

小天精灵IM，政务专用即时通讯工具，沟通、拟文、审批快捷更安全

与此同时，在国家政策的推动下，信创产业加速向金融、电信、能源、电力、医疗、教育、交通、公
小天互连即时通讯·2025-06-12 03:56

百度百舸万卡集群的训练稳定性系统设计和实践

彼时我们不会想到，十年后支撑AI训练的GPU集群会从研究室里的几台服务器，发展成需要专门供电系统的万卡级计算矩阵。
百度Geek说·2025-06-12 02:25

Fusion引擎赋能：流利说如何用阿里云Serverless Spark实现数仓计算加速

作者：流利说Ibson（大数据负责人）/Bruce（数据工程师）背景介绍行业流利说是领先的科技驱动的教育公司，公司自主研发了领先的英语口语评测、写作打分引擎和深度自适应学习系统，致力于为用户提供一整套系统性的英语学习解决方案，从听、说、读、写多个维度提升用户的英语水平。业务特征AI打分：利用大数据和人工智能算法对用户英语口语评测、写作打分。个性化推荐：根据用户学习目标及评级，自动推荐专项和强化课程
阿里云大数据AI技术·2025-06-11 23:29

Fusion 引擎赋能：流利说如何用阿里云 Serverless Spark 实现数仓计算加速

作者：流利说Ibson（大数据负责人）/Bruce（数据工程师）01背景介绍行业流利说是领先的科技驱动的教育公司，公司自主研发了领先的英语口语评测、写作打分引擎和深度自适应学习系统，致力于为用户提供一整套系统性的英语学习解决方案，从听、说、读、写多个维度提升用户的英语水平。业务特征AI打分：利用大数据和人工智能算法对用户英语口语评测、写作打分。个性化推荐：根据用户学习目标及评级，自动推荐专项和强化
Apache Spark中国社区·2025-06-11 23:28

OpenCV CUDA模块图像变形------ 构建仿射变换的映射表函数buildWarpAffineMaps()

这个函数是GPU加速版本，适用于在CUDA环境下进行高性能图像变换处理。函数原型vo
村北头的码农·2025-06-11 22:22

硬件异构环境（如 CPU+GPU 混合）下的任务调度策略，如何最大化资源利用率？

硬件异构环境（CPU+GPU混合）下的任务调度策略体系与资源利用率优化技术（2025版）一、异构计算环境的核心挑战在CPU+GPU混合架构中，最大化资源利用率的本质是解决三类矛盾：硬件能力差异矛盾：CPU
百态老人·2025-06-11 21:17

Hugging Face基础入门

Transformers库全景图HuggingFace与深度学习的融合安装Transformers与Datasets第一个Pipeline程序：一行代码跑大模型在CPU、GPU上运行的区别pipeline
·2025-06-11 21:45

【异构计算架构】CPU/GPU/FPGA混合资源池

异构计算架构：CPU/GPU/FPGA混合资源池一、技术背景及发展二、技术特点三、技术实现细节四、未来发展趋势结语一、技术背景及发展随着摩尔定律逼近物理极限，单一架构的计算芯片已无法满足AI训练、科学计算
沐风—云端行者·2025-06-11 21:43

opencv RGB图像转灰度图

这段代码的作用是将一个3通道的RGB图像（CV_8UC3）转换为灰度图像（CV_8UC1），并使用OpenCV的parallel_for_对图像处理进行并行加速。
黄卷青灯77·2025-06-11 20:37
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他